Google cloud platform GCP每天运行一个模型的预测

我有一个.py文件，其中包含生成某些数据预测的所有指令。 这些数据来自BigQuery，预测应该插入到另一个BigQuery表中。 现在代码运行在AIPlatform笔记本上，但我想每天安排它的执行，有什么办法吗

---

我遇到了AIPlatform作业，但我不明白我的代码应该做什么以及代码的结构应该是什么，是否有任何分步指南可以遵循？

您可以使用不同的选项安排笔记本执行：

• 同一技术的不同变体：
  • ：提供了一种方便的方法来执行.ipynb笔记本文件的输入单元格，并将结果（输入单元格和输出单元格）保存为.ipynb文件
  • ：是一个用于参数化和执行Jupyter笔记本的Python包。（使用nbconvert--在引擎盖下执行。）
  • ：此工具可用于安排Jupyter笔记本从任何地方（本地、GCE、GCP笔记本）到云AI深度学习虚拟机的执行。您可以阅读有关此工具用法的更多信息。（在引擎盖下使用gcloud sdk和造纸机）
• 是一个Python包，它使在Kubeflow上训练和部署ML模型变得容易。Kubeflow整流罩也可以扩展到其他平台上进行训练或部署。目前，Kubeflow整流罩已扩展到谷歌人工智能平台上进行训练

• AI平台笔记本调度器调度器扩展有两个核心功能： 能够提交一个笔记本，作为一个带有自定义容器映像的培训作业运行。这允许您在经济高效的单一VM环境中试验和编写培训代码，但可以扩展到AI平台作业，以利用优越的资源（即GPU、TPU等）。 安排笔记本重复运行的步骤顺序完全相同，但需要crontab格式的计划选项

• ：这是笔记本计划程序项目的前身。允许您直接从Jupyter UI执行笔记本

• Python软件包允许用户在谷歌云AI平台的培训工作中运行Jupyter笔记本

• ：允许在谷歌云平台上运行任何Jupyter笔记本功能 与上面列出的所有其他解决方案不同，它允许为整个项目运行培训，而不是单个Python文件或Jupyter笔记本 允许使用参数运行任何函数，从本地执行移动到云只是将函数包装到：

  gcp\u runner.run\u cloud（，…）

  call中。 该项目已投入生产，无需任何修改 支持在本地（出于测试目的）、AI平台和Kubernetes环境中执行完整的端到端示例可在此处找到：

• （Keras for GCP）提供了API，可以轻松地从在本地环境中调试和培训Keras和TensorFlow代码到在云中进行分布式培训

GCP中推荐的选项是笔记本调度程序，该程序已在EAP中提供